两类感知器的参数学习算法

两类感知器的参数学习算法分别是 Rosenblatt算法和Widrow-Hoff算法。

Rosenblatt算法是一种迭代算法，通过不断地调整感知器的权重，使得感知器的输出逐渐接近于期望输出。具体来说，它通过计算误差（期望输出与实际输出之差）和输入之间的乘积，来更新权重。这个过程会一直持续，直到误差足够小，或者达到了预设的迭代次数。

Widrow-Hoff算法也叫做最小均方（LMS）算法，它的思想是通过最小化误差的平方和来更新权重。具体来说，它通过计算误差和输入之间的乘积，再乘以一个学习率来更新权重。这个过程也会一直持续，直到误差足够小，或者达到了预设的迭代次数。与 Rosenblatt算法相比，Widrow-Hoff算法更加稳定，而且可以处理非线性可分的问题。